KLASIFIKASI STATUS STUNTING PADA BALITA MENGGUNAKAN METODE K-NEAREST NEIGHBOAR (Studi Kasus Pukesmas Prambontergayang)

Pertumbuhan dan perkembangan anak usia balita merupakan perhatian utama dalam kesehatan masyarakat, terutama terkait masalah gizi seperti stunting. Stunting adalah kondisi gagal tumbuh pada balita akibat kurangnya asupan gizi dalam jangka waktu yang lama, yang dapat memengaruhi perkembangan fisik, mental, dan motorik anak. Faktor penyebab stunting meliputi asupan nutrisi yang tidak memadai, lingkungan yang tidak higienis, serta pola asuh orang tua yang kurang optimal. Pemerintah melalui posyandu melakukan pemantauan rutin terhadap status gizi balita untuk mendeteksi stunting, namun proses ini masih dilakukan secara manual dan rawan kesalahan.
Penelitian ini bertujuan menerapkan algoritma K-Nearest Neighbor (KNN) sebagai metode klasifikasi status stunting pada balita di Puskesmas Prambontergayang. Algoritma KNN dipilih karena mampu mengklasifikasikan data secara cepat dan akurat berdasarkan jarak data yang paling dekat. Implementasi algoritma ini menghasilkan yang sesuai dengan tujuan yang diinginkan. Dari pengujian yang dilakukan dengan 15 data dan nilai K = 5, serta perhitungan jarak menggunakan Euclidean Distance, kategori status yang dihasilkan adalah “Stunting" dengan menghasilkan akurasi 87,50%. Hasil dari aplikasi memenuhi semua spesifikasi dan kebutuhan yang telah ditetapkan, dan fungsi-fungsi utama berjalan dengan baik.